桩基荷载下溶洞顶板安全厚度研究

本文以深圳市龙岗区龙城工业园内某高层建筑桩基下的溶洞顶板为研究对象,运用理论公式和数值模拟方法分别对桩基荷载下溶洞顶板安全厚度进行研究。选取单桩承载力、溶洞洞跨、溶洞形态系数、桩端偏心率作为顶板安全厚度的影响因素,通过数值模拟得到了安全厚度与各单因素之间的影响规律,并综合考虑这些影响因素得到安全厚度的预测模型;在能保证安全的前提下,将预测模型值与理论公式值进行对比,判断出预测模型更合理节约,对岩溶地基高层建筑桩基设计和现场施工有一定的指导意义。     

基于BP神经网络的轴承套圈磨削误差的预报

提出一种基于BP(反向传播)神经网络磨削误差的预报方法,针对轴承套圈磨削误差序列的非线性特点,使用BP神经网络对其进行建模预测,为磨削自动线的监控调整提供准确的预报值,从而可有效地修正磨削过程中温度、变形及其他复杂因素对工件加工精度的影响,提高加工精度,降低轴承套圈磨削的尺寸分散度。     

水体透射光谱结合主成分分析(PCA )改进化学需氧量(COD)含量估算研究

化学需氧量（Chemical Oxygen Demand,COD）是水体有机污染的一项重要指标,化学需氧量越高,表示水污染程度越严重。 为了解决传统的COD测量方法耗时较长,不利于快速、实时地获取水体中COD的信息等问题。本文提出了基于透射光谱测量结合主成分分析(Principal Component Analysis, PCA)改进水体COD含量估算模型。具体的,采集100组COD水体光谱信息,分别使用3种不同的高光谱数据预处理方法对光谱数据进行预处理,分析不同预处理方法对模型精度的影响,并基于不同的预处理方法分别建立高斯过程回归模型(Gaussian Process Regression, GPR)和BP神经网络模型,分析不同预处理方法对模型精度的影响;并对各模型结合PCA数据降维方法进行模型的改进,通过比较模型的精度选择最优模型进行水体COD含量的检测。结果显示,相比于原始光谱数据建立的GPR模型和BP神经网络模型,数据预处理后的模型精度明显提升;且结合PCA对预处理后的数据进一步降维处理后,模型精度得到了进一步的提升。其中,基于标准正态变量变换特征结合PCA改进BP神经网络模型基于PCA改进的BP神经网络模型R^2高达0.9940,均方根误差RMSE为0.022540。证明了基于PCA改进的BP神经网络数据降维方法对预处理后的光谱数据进行降维处理,有利于去除光谱中的冗余信息,提取特征信息,可以实现高光谱检测方法可以实现COD含量估算模型的优化,从而为传统COD测量方法存在的问题提出了一种新的解决思路。     

罩式退火炉温控系统的神经网络PID预测控制

罩式退火炉温控系统是一类具有大滞后及模型慢时变系统,采用传统控制方法其效果并不理想.因此,将神经网络PID预测控制思想应用于罩式退火炉温控系统,利用灰色预测模型与四阶龙格库塔法相结合对罩式退火炉温控系统的行为进行预测,同时结合神经网络PID控制器克服预测误差、系统干扰等不确定因素带来的影响,提高系统的自适应性.仿真结果表明,系统运行平稳,受不确定因素的影响较小,对罩式退火炉温控系统具有良好的控制效果.     

Blind Speech Watermarking Method with Frame Self-Synchronization Based on Spread-Spectrum Using Linear Prediction Residue

State-of-the-art speech watermarking techniques enable speech signals to be authenticated and protected against any malicious attack to ensure secure speech communication. In general, reliable speech watermarking methods must satisfy four requirements: inaudibility, robustness, blind-detectability, and confidentiality. We previously proposed a method of non-blind speech watermarking based on direct spread spectrum (DSS) using a linear prediction (LP) scheme to solve the first two issues (inaudibility and robustness) due to distortion by spread spectrum. This method not only effectively embeds watermarks with small distortion but also has the same robustness as the DSS method. There are, however, two remaining issues with blind-detectability and confidentiality. In this work, we attempt to resolve these issues by developing an approach called the LP-DSS scheme, which takes two forms of data embedding for blind detection and frame synchronization. We incorporate blind detection with frame synchronization into the scheme to satisfy blind-detectability and incorporate two forms of data embedding process, front-side and back-side embedding for blind detection and frame synchronization, to satisfy confidentiality. We evaluated these improved processes by carrying out four objective tests (PESQ, LSD, Bit-error-rate, and accuracy of frame synchronization) to determine whether inaudibility and blind-detectability could be satisfied. We also evaluated all combinations with the two forms of data embedding for blind detection with frame synchronization by carrying out BER tests to determine whether confidentiality could be satisfied. Finally, we comparatively evaluated the proposed method by carrying out ten robustness tests against various processing and attacks. Our findings showed that an inaudible, robust, blindly detectable, and confidential speech watermarking method based on the proposed LP-DSS scheme could be achieved.     

振动噪声等高图的电驱动桥噪声预测及优化*

在项目开发前期通过优化电驱动桥扭矩特性的设计,可以规避噪声大问题。根据电驱动桥台架在对应扭矩下的振动噪声特性,提出了一套稳定高效的测试流程和分析方法。首先设计了一套完整的试验流程,制定了精准的数据分析方法。然后绘制出能够全面反映电驱动桥振动噪声特性的等高图。最后利用电驱动桥台架的振动噪声等高图,准确评估电驱动桥加速工况下振动噪声风险,为主机厂和电驱动桥零部件企业提供电驱动桥扭矩特性设计前期指导。利用该方法成功识别到某电驱动桥匀速及加速工况下电机及齿轮的啸叫问题。通过优化电驱动桥扭矩特性设计,电机48阶噪声峰值降低了8.5dB(A),确认该方法准确可靠,具备推广应用价值。     

Discussion of Some Problems About Nonlinear Time Series Prediction Using v-Support Vector Machine

Some problems in using v-support vector machine (v-SVM) for the prediction of nonlinear time series are discussed. The problems include selection of various net parameters, which affect the performance of prediction, mixture of kernels, and decomposition cooperation linear programming v-SVM regression, which result in improvements of the algorithm. Computer simulations in the prediction of nonlinear time series produced by Mackey-Glass equation and Lorenz equation provide some improved results.     

小样本不平衡设备数据下的机器学习策略研究

针对小样本数据样本容量不足与分布不平衡的设备寿命预测问题,构建基于改进SMOTE算法与改进KNN(K-NearestNeighbor)算法联合优化模型。首先,设置噪声比例系数β排除样本数据中的噪声,随后通过类B-SMOTE(Borderline-SMOTE)算法与传统SOMTE算法结合构建改进SMOTE(ISMOTE)算法对存在分布问题的少数类样本进行新增优化,避免因为样本分布不平衡以及样本数量较少引起的偏差。其次,针对分类过程中边界模糊的样本点,通过利用粒子群算法寻求每个样本种类中心点并计算样本距离均值建立分隔阈值■,对阈值范围内的样本点利用“投票法”判断样本种类,规避KNN算法在处理数据时因为不同种类样本混合而出现误差的问题。最后,通过利用美国卡特彼勒公司液压泵状态数据以及凌津滩水电站水导轴承振动数据进行仿真,算例证明上述两种改进算法在面对小样本不平衡设备数据时可以准确分析设备运行状态以及预测设备未来健康发展趋势。     

基于实时监测的轴承寿命预测方法

从凯斯西储大学轴承数据中心提取了斯凯孚(SKF)轴承内圈、滚动体和外圈不同故障尺寸的原始振动信号,故障尺寸分别为0.007,0.014和0.021 in（1 in=2.54 cm),对其进行经验模态分解(EMD),发现共有17个本征模函数。进行主成分分析(PCA),发现内圈和外圈故障尺寸与第一主成分和第二主成分的关系可通过主成分拟合公式进行准确拟合,因此,通过实时监测轴承振动信号并进行信号分析,可获得内圈和外圈的故障尺寸,利用Pairs-Erdogan公式和有限元仿真方法对含故障轴承的剩余寿命进行了预测。该研究对预防由含裂纹轴承导致的机械事故具有重要的意义。     

有机废物气化-焚烧处理尾气排放灰色预测模型研究

由于气化焚烧过程NOx 和SO2 产生机理的复杂性,利用动力学方程对其进行预测存在较大的困难,运用灰色理论及方法建立了固体废弃物气化-焚烧两段处理中NOx 、SO2 排放的灰色预测模型.以灰色理论GM(1,1)和GM(2,1)模型为基础,通过不同工况条件下固体废弃物的实验数据用灰色理论建立了相应的模型方程,对所建模型进行了误差检验.计算表明,所建模型的预测结果与实验值比较接近,能够很好地预测固体废弃物气化-焚烧两段处理中NOx 和SO2 排放特性.